从社交网络预测飓风事件中人们的需求
计算与语言
2020-08-25 v2
摘要
社交网络可作为求救、提供援助和协调救援活动的宝贵沟通渠道。Twitter 等社交网络允许用户持续更新相关信息，这在危机期间尤为有用，因为快速变化的情况使得能够及时获取准确信息至关重要。社交媒体帮助直接受影响者实时向他人通报现场状况，从而使救援人员能更有效地协调行动，更好地满足幸存者需求。本文提出一种基于序列到序列的新框架，利用社交媒体和天气数据预测灾害期间人们的需求。它由两个长短期记忆（LSTM）模型组成，其中一个对天气信息输入序列进行编码，另一个作为条件解码器对编码向量解码并预测幸存者需求。利用 2012 年桑迪飓风、2017 年哈维飓风和厄玛飓风期间收集的数据进行了案例研究，并将结果与统计语言模型 n-gram 和 LSTM 生成模型所得结果进行比较。我们提出的序列到序列方法比另外两种模型都更成功地预测了人们的需求。这一新方法在增强疏散规划和物资流动管理等灾害管理活动方面展现出巨大前景。
引用
@article{arxiv.1811.04577,
title = {Forecasting People's Needs in Hurricane Events from Social Network},
author = {Long Nguyen and Zhou Yang and Jia Li and Guofeng Cao and Fang Jin},
journal= {arXiv preprint arXiv:1811.04577},
year = {2020}
}